[发明专利]一种基于人工智能的多指针表盘自动读数系统

说明书

本发明涉及仪器仪表自动监测系统技术领域，具体涉及一种基于人工智能的多指针表盘自动读数系统，通过依次对仪表数据图像进行情景分类、表盘数值进行归类、对指针表盘进行CNN回归训练、获取表盘真实倍率、最终倍率换算得到表盘读数值，本发明多指针表盘自动读数系统可以对夹杂许多复杂的地理背景的图像进行准确的识别，比如：光线明暗、表面水雾及泥浆等覆盖程度，同时表盘本身的刮痕或部件生锈的表面都基本不影响识别的精度，而且针对表面倾斜、表盘旋转、过大过小及曝光情况，也不会影响模型最终的精度。模型可以稳定的提取各种真实场景下水表图像对应的读数。

技术领域

本发明涉及仪器仪表自动监测系统技术领域，具体涉及一种基于人工智能的多指针表盘自动读数系统。

背景技术

目前，针对多指针式表盘读数大多基于传统的图像视觉分析技术，比如基于标定模板完成表盘中指针的定位识别及相应读数的计算，但并不具有太大的普适性，尤其在采集的真实图像与模板图像相比过大、过小或表盘倾斜都会影响最终读数的预测；还有为了最小化采集图像的偏差，在表盘上配置固定的摄像头来实时捕捉图像，虽然可以在一定程度上规避采集图像之间的差异性，但实施成本过高，另一方面解决方案过于机械，并不是真正基于图像分析的角度去智能提取读数信息。

而且，采集的水表类图像会因用户的居住环境夹杂许多复杂的地理背景(包括：光线明暗、表面水雾及泥浆等覆盖程度)，同时表盘本身也会因使用年限过久而产生不可逆的刮痕、因部件生锈的表面泛黄及充水的表内模糊，而且不同抄表员拍摄水表图像的角度、高度及曝光情况，都会极大影响水表图像的采集质量。最终导致后端数据库中的图表集表现极其不标准、不平衡，导致任意一个水表都有可能以任意的方式(如：表面倾斜、表盘旋转、过大过小)呈现在图像中从而影响表盘的识别直至最后影响整个表盘读数的抽取。

目前在供水领域仍然存在大量各式机械表(数字式、指针式等)，用于记录普通居民、企业用水过程中产生的相应水量，方便后续进行对应阶梯计量收费。同时在水司相关供水管理环节中，一般都需批派专门团队周期性对管辖区内所有水表进行二次人工核验，防止抄表员在初次读数出现错误或过大偏差产生不合理计费，从而保证用水按量计费的相对合理及公平。

当前水司管辖区域内平均水表数少则几十万多则上百万，而作为供水管理环节中必要的二次人工核验，如果管辖区内所有表盘定期都需要人力去进行识别显然费时，也会耗费大量人力，同时企业也需要支付高昂的人工成本，最重要的是审核本身也无法激活员工真正的潜力，是对优质人力资源的一种浪费。

发明内容

因此，如何高精度、稳定地自动提取表盘信息并且自动进行智能读数，是本发明要解决的核心问题。本发明基于人工智能技术结合大量水表图像进行数据分析，提供一种基于人工智能的多指针表盘自动读数系统，有效提高了智能读数的精度，极大减少了二次核验环节的人工成本。

本发明通过如下技术方案来实现：

一种基于人工智能的多指针表盘自动读数系统，包括以下步骤：

(1)对指针式仪表数据图像进行情景分类，比如光线明暗为一类、高度变化为一类、表面水雾或有泥浆覆盖为一类，保证后续模型的训练更能专注于图像有用信息的提取；

(2)在指针式图像中，对每个指针表盘当前指针数进行数值归类，使当前i表盘对应到具体读数值；

同时选取指针盘中的ROI，方便后续对每个小表盘进行排序，换算成为最终的表盘读数值；

(3)在每个情景下，对每个指针表盘进行CNN回归训练，使得模型可以学习到此场景下的每个小表盘对应的读数值及相应位置，同时训练另一个CNN模型用于抓取此情景下表盘倍率的位置；

(4)利用表盘倍率的位置与对应小表盘的位置关系，获取每个小表盘的真实倍率；

(5)最终，通过倍率转换得到最终的表盘读数值，实现多指针表盘读数的自动识别。